[发明专利]智能电表版本分类方法

权利要求书

1.一种智能电表版本分类方法，其特征在于包括以下步骤：

S1 获取包含版本信息的智能电表灰度图像；

S2 在获取的智能电表图像上进行几何特征识别，获取若干感兴趣区域ROI；感兴趣区域ROI获取具体方式包括如下分步骤：

S21 对智能电表图像给定中间区域进行圆形几何特征识别；

S22 对识别出存在圆形几何特征的智能电表图像，分别在给定的固定位置提取若干ROI；具体操作为：在智能电表图像中间区域以外的一侧给定位置提取一块ROI，然后在智能电表图像上距离该ROI给定间隔的位置提取另一块ROI；

S23 对识别出不存在圆形几何特征的智能电表图像进行直线几何特征识别，确定ROI的定位边界，根据定位边界提取相应的ROI；具体操作为：在智能电表图像中间区域以外的一侧进行直线几何特征识别，确定ROI的定位边界，根据定位边界提取相应的ROI；然后在智能电表图像上距离该ROI给定间隔的位置提取另一块ROI；

S3 从若干ROI中提取一种以上的纹理特征向量，并将一种以上的纹理特征向量进行融合组成总纹理特征向量；

S4 将总纹理特征向量输入到训练好的支持向量机模型中，得到智能电表版本分类结果。

2.根据权利要求1所述智能电表版本分类方法，其特征在于步骤S21中，以智能电表图像水平方向的中间位置为原点，以给定像素范围为中间区域。

3.根据权利要求1所述智能电表版本分类方法，其特征在于步骤S3中，所述纹理特征向量提取并融合的具体方式包括如下分步骤：

S31 分别从若干给定的角度提取智能电表图像各ROI的灰度共生矩阵度量，所述灰度共生矩阵度量为逆差矩、角二阶矩、对比度、熵及自相关系数中的至少一种，从各ROI提取的所有灰度共生矩阵度量组成第一组纹理特征向量；

S32 分别提取智能电表图像各ROI在0~255灰度值区间的直方图特征，并将各ROI的直方图特征平均划分为若干灰度值区间，每个区间内的像素数量作为一个特征量，各ROI的若干特征量组成第二组纹理特征向量；

S33 将步骤S31与步骤S32中得到的第一组纹理特征向量和第二组纹理特征向量进行拼接，组成最终的总纹理特征向量。

4.根据权利要求1所述智能电表版本分类方法，其特征在于所述步骤S4中，对智能电表版本进行分类的具体方式包括如下分步骤：

S41 将步骤S3中得到的总纹理特征向量进行归一化处理；

S42 将归一化处理后的总纹理特征向量进行主成分分析，以总贡献率大于95%的主成分作为输入特征向量；

S43 将输入特征向量输入到训练好的支持向量机模型，得到智能电表版本分类结果。